多目標遺傳算法及其在船舶型線優(yōu)化中的應用.pdf

1、最優(yōu)化問題是一個古老的問題，追求目標的最優(yōu)化一直是人類的理想。 許多工程優(yōu)化問題往往性質十分復雜，很難用傳統(tǒng)的優(yōu)化方法來求解。而且實際的工程優(yōu)化問題中大多數是多目標優(yōu)化問題，各子目標之間一般都存在互相沖突的現象。多目標與單目標優(yōu)化問題的本質區(qū)別是，前者一般是一組或多組非劣解的集合，而后者只是單個解或一組不連續(xù)的解。因此，多目標優(yōu)化問題的求解變得困難。 自60年代以來，人們對求解多目標優(yōu)化問題的興趣日益增加。一種模仿生物進

2、化過程的、被稱為“進化算法(Evolutionary Algorithm)”的隨機優(yōu)化技術應運而生，而且在解這類優(yōu)化問題中顯示出了優(yōu)于傳統(tǒng)優(yōu)化算法的性能。而遺傳算法(Genetic Algorithm)是迄今為止進化算法中應用最多、比較成熟、廣為人知的算法。由于其在求解復雜優(yōu)化問題的巨大潛力及其在工業(yè)工程領域的成功應用，這種算法受到了廣泛的關注。經過幾十年的發(fā)展，多目標遺傳算法已經日趨成熟。 船舶的優(yōu)化設計是從60年代末期開始逐

3、漸發(fā)展起來的一種有效、新的設計方法。船舶優(yōu)化設計同許多其他工程問題一樣屬于多目標優(yōu)化問題。其中船舶型線優(yōu)化設計通常是以應用數學方法對型線進行光順，而以船體的布置、水動力和結構性能為目標函數。型線優(yōu)化設計是一個亟待解決的復雜多目標優(yōu)化問題。 本文以多目標遺傳算法為主要研究內容，將改進的遺傳算法應用于求解多目標優(yōu)化問題并用于船舶優(yōu)化設計是很有意義的。本文介紹了遺傳算法的起源、歷程、主要研究方向、遺傳算法的基本原理以及改進措施等，編制